电池储能系统SOC神经网络融合估计方法

作     者：孙玉树 李宏川 王波 贾东强 裴玮 唐西胜 SUN Yushu;LI Hongchuan;WANG Bo;JIA Dongqiang;PEI Wei;TANG Xisheng

作者机构：中国科学院电工研究所北京100190 中国科学院大学北京100049 国网北京市电力公司北京100031 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2023年第50卷第10期

页      面：31-40页

核心收录：

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家重点研发计划项目(2021YFB2402002) 中国科学院青年创新促进会项目(2023000018) 

主　　题：电池储能系统 SOC融合估计 相关性分析 经验模态分解 样本熵 

摘      要：为了更好地获取电池储能系统当前的运行状态,提出了基于神经网络融合的电池储能系统SOC估计方法.首先,对比分析了前馈(BP)、门控循环单元(GRU)和长短时记忆(LSTM)神经网络算法的优劣,BP计算时间较短,LSTM对时序数据估计精度较高;然后,利用KL散度、皮尔逊相关系数和灰色关联度分析了不同输入参量和SOC的相关程度,并和LSTM估计结果相比对,筛选出对电池储能系统SOC影响较大的特征参量;最后,应用经验模态分解算法将SOC数据分解为多个分量,利用样本熵将分量聚合为高低两个频段,进而应用BP、LSTM神经网络算法分频段估计,和单一策略相比,该方法在提高SOC估计精度的同时,减少了计算时间.